深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
3101	2026-06-16	PulmoX-Net: a channel-attention enhanced deep learning model for multi-class pulmonary pathology classification in chest radiography 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1836121 PMID:42292256	研究论文	提出一种融合通道注意力的深度学习模型PulmoX-Net，用于胸片多类肺部病理分类	将Xception的深度可分离卷积与Squeeze-and-Excitation通道注意力机制结合，提升胸片分类特征表示能力	基于单一数据集且标签方案非标准，需在独立临床队列上进行外部验证	开发高精度的多类肺部病理分类模型，解决胸片诊断中重叠影像模式的挑战	胸片中的肺部病理表现	计算机视觉	肺部疾病	NA	CNN	图像	6743张正面胸片	NA	Xception, SE-Net	准确率, 精确率, 召回率, F1分数, AUC	NA
3102	2026-06-16	Multimodal data integration and machine learning methods for early detection and risk prediction of pulmonary diseases in athletes 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1758840 PMID:42292270	研究论文	提出一种新型多模态肺风险预测网络，融合视觉、文本及辅助生理数据，用于运动员肺部疾病的早期检测与风险预测	提出自适应模态加权策略动态调整模态贡献，以及分层风险预测策略捕捉领域特定特征结构	NA	实现运动员肺部疾病的早期检测与个性化风险评估	运动员肺部健康相关多模态数据	机器学习	肺部疾病	NA	多模态肺风险预测网络	图像、文本、生理数据	多个多模态数据集，包含临床、影像及生理样本	NA	MPRPN、AMWS、HRPS	准确率、F1分数、AUC	NA
3103	2026-06-16	Automated assessment of Knosp grade from pituitary adenoma MRI: Experimental comparison of a rule-based and a machine learning-based approach 2026, Brain & spine DOI:10.1016/j.bas.2026.106117 PMID:42292284	研究论文	比较基于规则和基于机器学习的方法自动评估垂体腺瘤MRI中Knosp分级的准确性	首次系统比较了基于几何规则的传统方法与基于深度学习的统计方法在垂体腺瘤Knosp分级自动评估中的表现	当前自动方法的准确率不足以独立用于临床，最准确的方法（几何法结合手动分割）仅达44.95%准确率	开发和比较两种自动评估垂体腺瘤MRI中Knosp分级的方法，并评估其区分海绵窦侵犯风险、全切除率和内分泌缓解率的能力	垂体腺瘤患者的术前MRI扫描	计算机视觉	垂体腺瘤	MRI	深度学习分类器	图像	训练集394张标注MRI扫描，验证集99张扫描，及两位额外专家评分	NA	NA	准确率, Cohen's Kappa系数	NA
3104	2026-06-16	Artificial intelligence for optimization of immunotherapy: current applications and transformative potential 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1777580 PMID:42292410	综述	本文综述了人工智能在癌症免疫治疗中的当前应用和变革潜力，涵盖传统机器学习、深度学习及生成式AI等技术在治疗优化和药物开发中的作用	首次系统性地将生成式AI和基础模型纳入免疫治疗AI应用的讨论，并展望了多智能体AI与人类在环的协同框架	数据质量控制、患者安全及伦理困境等挑战阻碍了AI在免疫治疗中的常规临床应用	探讨AI技术如何优化癌症免疫治疗的递送和药物开发，并推动精准肿瘤学发展	AI技术在免疫治疗中的应用，包括细胞疗法、检查点抑制剂和癌症疫苗	机器学习	癌症	NA	传统机器学习、深度学习、生成式AI、基础模型、智能体AI	文本、临床数据、实验室数据	NA	NA	NA	预测准确性、患者分层效果、不良事件预测指标	NA
3105	2026-06-16	KAN-Former: a lightweight ECG model for real-time atrial fibrillation detection on wearable devices 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1824364 PMID:42292530	研究论文	提出KAN-Former轻量级混合ECG分类模型，用于在可穿戴设备上实时检测房颤	结合多尺度卷积前端、Nyström近似Transformer模块、时频前馈网络和稀疏优化残差KAN分类器，在极低参数量（1.16M）和推理延迟（3.8 ms）下实现高准确率，且经剪枝和INT8量化后精度下降低于0.5%	NA	解决深度学习模型在资源受限可穿戴设备上部署时计算和实时性挑战，实现房颤实时检测	可穿戴设备上的心电图信号	机器学习	心房颤动	心电图	混合模型（CNN + Transformer + KAN）	心电图信号	PhysioNet 2017和CPSC 2018公开数据集	NA	多尺度卷积、Nyström近似Transformer、时频前馈网络、稀疏优化残差KAN	准确率	NA
3106	2026-06-16	WaveST-Yield: a novel spatio-temporal deep learning framework with frequency-domain refinement for UAV-based maize yield prediction 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1838598 PMID:42293002	研究论文	提出WaveST-Yield深度学习框架，用于基于无人机多光谱遥感的玉米产量预测	集成时空表型编码器（SPE）、多尺度频率空间细化器（MFSR）和自适应产量敏感重校准器（AYSR）三个核心模块，利用小波下采样保留图像细节并解耦噪声，通过3D-CBAM注意力机制增强产量相关特征提取	未明确提及模型在极端环境条件或不同玉米品种上的泛化能力，可能对数据采集质量敏感	开发准确且可泛化的地块尺度玉米产量预测方法	基于无人机多光谱遥感的玉米田产量预测	计算机视觉	NA	多光谱遥感	时空深度学习模型（ConvLSTM、3D注意力机制）	多光谱图像序列	两个独立的玉米实验田数据	NA	ConvLSTM, 3D-CBAM	R²	NA
3107	2026-06-16	Predicting wheat yield and grain quality with UAV multispectral imagery and deep learning 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1812052 PMID:42293015	研究论文	利用无人机多光谱影像和深度学习预测小麦产量及籽粒品质	系统比较了基于手工特征和基于图像的端到端建模范式，并引入3D-CNN和混合2D-CNN-LSTM架构利用空间和多时相信息，发现多时相数据优于单一生育期数据	研究仅基于2022年南达科他州七个冬小麦试验点数据，结果可能受年际和地域差异影响	评估多时相无人机多光谱影像结合深度学习预测冬小麦产量、籽粒蛋白质含量和容重的可行性	冬小麦的产量、籽粒蛋白质含量和容重	机器学习	NA	无人机多光谱遥感	深度学习	多光谱影像	来自美国南达科他州七个冬小麦试验点的多时相无人机影像数据	NA	支持向量回归、随机森林回归、深度神经网络、一维卷积神经网络、二维卷积神经网络、三维卷积神经网络、混合2D-CNN-LSTM架构	决定系数R²	NA
3108	2026-06-16	Generative machine learning for multivariate angular simulation 2026, Extremes IF:1.1Q3 DOI:10.1007/s10687-025-00522-7 PMID:42293257	研究论文	引入多种生成式深度学习方法用于多元角度模拟，并评估其在复杂数据上的表现	首次将生成对抗网络、归一化流和流匹配等生成式深度学习技术系统应用于多元角度模拟任务，相较于经典有限混合vMF模型提供了更高灵活性和可扩展性	在维度极高或混合成分数量显著增长时，固定成分的混合模型可能仍无法捕捉数据中的精细特征	探索生成式深度学习在多元角度变量模拟中的适用性，并与经典方法进行对比	多元角度变量（如气象海洋数据中的角度分布）	机器学习	NA	NA	生成对抗网络、归一化流、流匹配	模拟数据及气象海洋观测数据	NA	NA	生成对抗网络、归一化流、流匹配	多种评估指标（原文未明确具体指标名称）	NA
3109	2026-06-16	Multimodal Fusion of Structural and Diffusion MRI for Intelligence Prediction 2026, Proceedings. IEEE Southwest Symposium on Image Analysis and Interpretation DOI:10.1109/ssiai68148.2026.11553807 PMID:42293571	研究论文	提出一种基于深度学习的多模态融合框架，利用结构MRI和扩散MRI预测儿童认知结果	综合比较三种融合策略（简单拼接、多头注意力、Transformer编码器）并采用引导Grad-CAM提供可解释性	仅使用灰质密度和白质各向异性分数两种模态，预测相关性较低（0.44）	开发多模态神经影像融合框架预测儿童智力表现	来自ABCD研究的儿童	机器学习	NA	结构MRI, 扩散MRI	CNN	神经影像（MRI）	ABCD数据集（具体数量未提及）	PyTorch	CNN, 多头注意力, Transformer编码器	相关性（test correlation）	NA
3110	2026-06-16	Research integrity and data ethics in AI-driven integrated healthcare: a critical appraisal 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1838551 PMID:42293622	综述	对人工智能驱动的整合医疗中研究诚信与数据伦理问题进行批判性审视	提出综合治理模型，将技术验证与伦理监督相结合，强调前瞻性临床试验、多元利益相关者参与及适应性监管路径	未提供实证数据或具体案例验证所提模型的可行性	评估人工智能在整合医疗中引发的科学严谨性与伦理责任问题，并提出治理建议	2019至2025年间同行评审文献中关于算法透明度、模型验证与可重复性、偏差检测、隐私保护、知情同意范式及治理框架的研究	机器学习	NA	NA	深度学习模型	文本	NA	NA	NA	NA	NA
3111	2026-06-16	DFU-GCNet: a global context-enhanced inception network for robust and interpretable diabetic foot ulcer classification 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1811311 PMID:42294045	研究论文	提出DFU-GCNet，结合Inception模块和全局上下文块，用于糖尿病足溃疡的稳健可解释分类	创新性地融合Inception模块与全局上下文块，提取多尺度特征并建模全局空间依赖，同时集成GradCAM++、LIME和SHAP等可解释性技术提高临床透明度	未提及	开发稳健且可解释的糖尿病足溃疡自动分类方法	糖尿病足溃疡图像	计算机视觉	糖尿病足溃疡	NA	CNN	图像	Kaggle DFU数据集（具体数量未提及）	NA	Inception, Global Context Block, GradCAM++, LIME, SHAP	准确率, F1分数, 马修斯相关系数	NA
3112	2026-06-16	Speech impairment detection in children using time frequency features of speech and deep learning techniques 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1766439 PMID:42294104	研究论文	提出一种基于语音时间频率特征和深度学习的儿童语音障碍检测方法	首次将DWT特征与GRU-CNN模型结合用于语音障碍检测，并达到99.67%的最高准确率；所有语音信号（包括元音、辅音和不同音节）合并输入单一模块，而非现有方法的每个语音类型单独模块	未提及	开发一种高效、准确的儿童语音障碍自动检测方法，以支持早期治疗	儿童语音信号（包括元音、辅音和不同音节）	机器学习	儿童语音障碍	语音信号处理	浅层学习（MLP、SVM）、浅层集成学习（GBoost、XGBoost、CatBoost、LightGBM、Stacking）、深度学习（ConvLSTMs、BiLSTMs、CNN-LSTM、GRU-CNN）	语音信号	NA	Scikit-learn, PyTorch	GRU-CNN	准确率	NA
3113	2026-06-16	TNM staging of esophageal cancer using fine-tuned pathology foundation models and multiple instance learning 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1832365 PMID:42294306	研究论文	提出一种结合微调病理基础模型和多实例学习的深度学习新方法，用于从全切片图像自动进行食管癌TNM分期	创新性地将微调后的病理基础模型集成到多实例学习框架中，引入特征注意力机制和自适应多尺度特征融合层，并设计类加权交叉熵损失函数处理分期不平衡问题	未明确提及局限性	开发基于全切片的深度学习工具，提高食管癌TNM分期的准确性和效率	食管癌患者的全切片组织病理图像	数字病理学	食管癌	全切片成像	深度学习模型	图像	TCGA-ESCA数据集	NA	病理基础模型	准确率, 宏F1分数, AUC	NA
3114	2026-06-16	HPV genotype-specific p16/Ki67 expression with machine learning-assisted assessment in cervical neoplasia 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1819567 PMID:42294317	研究论文	基于机器学习的p16/Ki67表达HPV基因型特异性评估在宫颈病变中的应用	结合深度学习辅助分析，首次系统描述不同HPV基因型背景下p16/Ki67双免疫表达的差异，并评估基于ResNet50的计算流水线的可行性	受限于有限测试集规模和单中心设计，性能指标应视为初步结果，外部多中心验证前不宜考虑临床应用	阐明不同HPV基因型对p16/Ki67免疫表达的影响，并探索深度学习辅助评分方法的可行性	100名HPV阳性女性的宫颈上皮细胞，按HPV16单感染、非16型高危单感染和多基因型混合感染分为三组	机器学习和数字病理	宫颈病变	p16/Ki67免疫组化	ResNet50	全切片图像	100名HPV阳性女性（训练集75份，独立测试集25份）	PyTorch	ResNet50	准确率、AUC-ROC	NA
3115	2026-06-16	Emerging applications of artificial intelligence for risk stratification in head and neck cancer: a scoping review 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1803391 PMID:42294322	综述	系统梳理人工智能在头颈癌风险分层中的新兴应用证据	首次采用范围综述方法系统整合AI在头颈癌风险分层中的多种技术路径（机器学习、深度学习、影像组学）及多模态数据应用	纳入研究存在显著方法学异质性、以回顾性设计为主、缺乏外部验证及临床影响评估不足	识别并描述AI在头颈癌风险分层中的新兴应用科学证据	2015年1月至2026年1月间发表的44项AI应用于头颈癌诊断与预后风险分层的研究	机器学习	头颈癌	影像组学, 机器学习, 深度学习	机器学习模型, 深度学习架构	CT影像, MRI影像, 数字组织病理图像, 结构化临床变量	44项研究	NA	NA	预测性能（中等至高等）	NA
3116	2026-06-16	Artificial intelligence in transarterial chemoembolization for hepatocellular carcinoma: from treatment response prediction to refractoriness assessment 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1822689 PMID:42294337	综述	系统回顾人工智能在肝细胞癌经动脉化疗栓塞中的应用，涵盖治疗反应预测、生存预后、难治性预测及分子机制，并批判性评估文献方法学质量	首次系统梳理AI在TACE中的多维度应用（反应预测、生存预后、难治性评估及分子机制），结合PROBAST、IBSI、TRIPOD+AI等框架评估方法学质量，并指出内部与外部验证间的泛化差距	方法学质量参差不齐，多数研究在分析领域存在高或不明确的偏倚风险，IBSI合规特征报告和公共代码发布稀少，外部验证不足，样本量有限，存在地理偏差，标准化程度低，可解释性不足	探讨人工智能在肝细胞癌经动脉化疗栓塞中的应用，从治疗反应预测到难治性评估，并推动从经验驱动向数据驱动的精准治疗转变	接受经动脉化疗栓塞的肝细胞癌患者	机器学习	肝细胞癌	放射组学	CNN, 梯度提升, 支持向量机, 随机森林	临床数据与影像数据	NA	NA	CNN	AUROC	NA
3117	2026-06-16	Decoding the cGAS-STING-eosinophils predictive and natural therapeutic molecular signature in burn injury progression and keloid formation: insights from artificial intelligence-driven multiomics 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1846856 PMID:42294436	研究论文	利用人工智能驱动的多组学方法解码cGAS-STING-嗜酸性粒细胞在烧伤进展和瘢痕疙瘩形成中的预测和自然治疗分子特征	首次识别出与cGAS-STING和嗜酸性粒细胞相关的基因特征，用于预测烧伤患者瘢痕疙瘩形成，并发现CCL5作为致病因子和淫羊藿苷的治疗靶点	未明确提及，但可能包括样本量有限和缺乏临床验证	研究cGAS-STING通路在调节嗜酸性粒细胞中在烧伤进展和瘢痕疙瘩形成的作用	烧伤患者和瘢痕疙瘩患者的多组学数据	机器学习	烧伤、瘢痕疙瘩	多组学分析	机器学习模型、深度学习算法	基因表达数据、单细胞数据	NA	NA	NA	NA	NA
3118	2026-06-15	Quantification via gaussian latent space representations 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108886 PMID:41911650	研究论文	提出一种基于高斯潜在空间表示的端到端神经网络，用于量化（类别盛行率估计）任务	首次利用高斯分布潜在空间获得样本袋的不变表示，将量化问题作为直接优化问题处理，无需中间分类器	未在论文标题和摘要中明确说明	开发一种基于深度学习的量化方法，直接优化与量化任务相关的损失函数	未知类别分布的样本袋	机器学习	NA	NA	神经网络	NA	NA	PyTorch	高斯混合网络	NA	NA
3119	2026-06-15	Training instabilities favor flatter solutions in gradient descent 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108874 PMID:41932126	研究论文	研究表明梯度下降中的训练不稳定性通过旋转Hessian矩阵主特征向量，促使参数收敛到更平坦的损失景观区域，从而提升泛化能力	首次提出基于特征向量旋转极性（RPE）的几何机制，证明训练不稳定性并非有害，而是隐式偏好平坦解并改善泛化，且该框架可扩展至随机梯度下降（SGD）和Adam优化器	NA	研究梯度下降中训练不稳定性对模型泛化性能的影响及其内在机制	深度学习模型的训练过程及损失景观的几何性质	机器学习	NA	NA	NA	NA	NA	NA	NA	泛化性能	NA
3120	2026-06-15	Non-invasive differentiation of light chain amyloidosis and multiple myeloma based on Raman spectroscopy analysis using one-dimensional convolutional neural networks 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127591 PMID:41793999	研究论文	利用拉曼光谱和一维卷积神经网络对轻链淀粉样变性和多发性骨髓瘤进行非侵入性区分	首次将拉曼光谱分析与一维卷积神经网络结合，实现对轻链淀粉样变性和多发性骨髓瘤的非侵入性快速鉴别诊断，表现出优于传统机器学习方法的性能	样本量可能有限，且需要进一步验证模型的泛化能力；拉曼光谱技术仍需标准化才能应用于临床	开发一种基于血清拉曼光谱和深度学习的新型非侵入性辅助诊断方法，以区分轻链淀粉样变性和多发性骨髓瘤	轻链淀粉样变性患者和多发性骨髓瘤患者的血清样本	机器学习	浆细胞疾病	拉曼光谱	一维卷积神经网络	光谱数据	来自临床确诊患者的血清样本	PyTorch	1D-CNN	AUC, 准确率, 灵敏度, 特异度	NA